因为我是对图像处理的方面比较感兴趣的。所以我也是对python的视觉处理模块opencv进行了学习。这个模块虽然是传统方法，但还是蛮有用的。而且它有上千个API，我总结了以下我所学到的。开始吧。
cv2是opencv的扩展模块。
imread第二个参数类型:
cv2.imwrite:保存图片
下文中：绝对路径代表绝对路径也行
改变图片某行某列的像素：
批量改变图片像素：
获取图像属性：
拆分通道：
合并通道：
图片移位：
将两张图片加在一起：1、取模加法 2、饱和运算
注意：两张图片的大小和类型相等
减法(subtract)、乘法(multiply)和除法(divide)和加法(add)类似
图像融合：将两张或两张以上的图片融合到一张图片上
图像缩放（参数必须为整数）：
图像翻转：调用cv2.flip(原始图像，flipcode)
三种情况：
filpcode=0：以x轴为对称轴的上下翻转
flipcode>0:以Y轴为对称轴的左右翻转
flipcode<0:X、Y轴各翻转一次
图像颜色反转：
图片打上马赛克：
图片上写字：
图片修补：
图片亮度增强：
图像阈值分割：调用了threshold函数
五种分割方法：
二进制阈值化（cv2.THRESH_BINARY）：选定一个阈值，用每一个像素的阈值和该阈值比较，大于该阈值则将该像素阈点值设为最大，若小于该阈值，则将该像素点阈值设为零。
反二进制阈值化（cv.THRESH_BINARY_INV）：选定一个阈值，用每一个像素的阈值和该阈值比较，大于该阈值则将该像素点的阈值设为零，若小于该阈值，则将该像素点阈值设为最大。
截断阈值化（cv.THRESH_TRUNC）：选定个阈值，用每一个像素的阈值和该阈值比较，大于该阈值则将该像素点的阈值设为该阈值，小于该阈值的像素点的阈值不变。
阈值化为0（THRESH_TOZERO）：先选定一个阈值，像素点的灰度值大于该阈值的不进行任何改变；像素点的灰度值小于该阈值的，其灰度值全部变为0。
反阈值化为0(THRESH_TOZERO_INV)：先选定一个阈值，像素点的灰度值小于该阈值的不进行任何改变；像素点的灰度值大于该阈值的，其灰度值全部变为0。
还有另一种阈值分割函数：自适应阈值函数 cv2.adaptiveThreshold()
